Guía docente de Técnicas de Análisis en la Investigación Psicológica (2641117)

Tener  cursada  la  asignatura:  Descripción  y  exploración  de  datos  en  Psicología.

Tener  conocimientos  adecuados  sobre:

• Cálculo  aritmético  y  algebraico  elemental.
• Informática  a  nivel  de  usuario.

Descriptores:

Estimación y contraste de Hipótesis, Contraste paramétricos y no paramétricos, Técnicas y Diseños de Investigación, Análisis Multivariante de Datos.

Contenidos:

Formulación y contrastación de hipóitesis. Contrastes paramétricos. Formulación y contrastación de hipótesis. Contrastes no paramétricos. Inferencias en modelos de regresión. Modelos con variables independientes categóricas. Modelos con variables independientes continuas y categóricas. Modelos con errores dependientes. Análisis Multivariante en la investigación psicológica

• Conocer los tipos de variables psicológicas.
• Conocer los diferentes tipos de escalas de medida.
• Conocer la descripción y exploración de un grupo de datos.
• Conocer los principios básicos del muestreo y la Inferencia Estadística.
• Conocer los modelos estadísticos para la realización de inferencias.
• Conocer las técnicas de análisis asociadas a los diferentes tipos de Diseños de Investigación en Psicología.
• Conocer el análisis de los datos en la evaluación de programas.
• Aprender a analizar datos en programas e intervenciones psicológicas.

Tema 1.- Inferencia.

Introducción.  Conceptos  básicos.  Distribuciones  muestrales.  Muestreo.  Métodos  de  muestreo

Tema 2.- Estimación

Objetivo  y  conceptos  básicos  de  la  estimación.  Estimación  puntual.  Métodos  de  construcción  de  estimadores. Propiedades  de  los  estimadores.  Estimación  por  intervalos.

Tema 3.- Contrastes de Hipótesis.

Método  Científico  y  contrastación  de  hipótesis.  Lógica  del  contraste.  Función  de  potencia.  Errores  tipo  I  y  II. Nivel  de  confianza.  Potencia  y  tamaño  del  efecto.  Contrastes  paramétricos.  Contrastes  de  significación. Contrastes  de  igualdad  de  medias.  Contrastes  de  hipótesis  para  otros  parámetros. Contrastes no paramétricos.

Tema 4.- El Análisis de Varianza I

Planteamiento  del  problema.  Distribuciones  muestrales  en  el  Análisis  de  la  Varianza.  Supuestos.  Partición  de la  suma  de  cuadrados  total.  Contraste  de  significación.  Modelo  de  efectos  aleatorios.  Componentes  de  la varianza.  Comparaciones  múltiples  a  posteriori.  Modelo  de  medidas  repetidas.  Ventajas  de  los  diseños intrasujetos.

Tema  5.- El  Análisis  de  Varianza  II

Introducción  a  los  diseños  factoriales.  Efectos  principales  e  interacciones.  Contraste  de  significación  de  la interacción.  Comparaciones.  ANOVA  Mixto.  Análisis  de  la  Varianza  de  orden  superior.

Tema 6.- Regresión y Correlación Múltiple.

El  modelo  de  regresión  lineal  múltiple.  Hipótesis  acerca  del  modelo.  Estimación  puntual  de  los  parámetros  de la  ecuación.  Intervalos  de  confianza  y  contrastes  para  los  coeficientes  de  regresión.  Correlación  parcial  y múltiple.

Práctica  1.  Ilustrar  la  distribución  en  el  muestreo  de  los  estimadores  mediante  ejemplos.  Realizar estimaciones  por  intervalos.

Práctica  2.  Analizar  situaciones  reales  de  investigación  en  Psicología,  estableciendo  el  espacio paramétrico  y  el  muestral.  Dar  hipótesis  y  establecerlas  en  forma  de  hipótesis  nula  y  alternativa.

Práctica  3.  Realizar  contrastes  paramétricos  que  se  refieran  a  temas  psicológicos  reales.

Práctica  4.  Formular  un  modelo  lineal  que  explique  el  rendimiento  en  la  asignatura  y  analizar  sus componentes.

Práctica  5.  Enunciar  y  contrastar  hipótesis  acerca  de un modelo lineal.

Práctica  6.  Realizar  los  contrastes  de  un  Análisis  de  la  Varianza  de  una  vía  mediante  el  modelo  lineal generalizado.

Práctica  7.  Mediante  el  modelo  lineal  generalizado,  realizar  Análisis  de  la  Varianza  de  dos vías.

Práctica  8.  Estimar  los  parámetros  de  un  modelo  de  regresión  sobre  datos  experimentales.

• Amón,  J.  (2000).  Estadística  para  Psicólogos  II.  Probabilidad.  Estadística  Inferencial  (9ª  Ed.).    Ediciones  Pirámide.
• Hair,  J.F.,  Anderson,  R.E.,  Tatham,  R.L  y  Black,  W.C.  (2000).  Análisis  Multivariante  (5ª  Ed.).  Prentice Hall.
• Hopkins,  K.D.  Hopkins,  B.R.  y  Glass,  G.V.  (1997).  Estadística  Básica  para  las  Ciencias  Sociales  y  del Comportamiento.  Prentice  Hall.
• Pagano,  R.  (1999).  Estadística  para  las  Ciencias  del  Comportamiento.  Thomson  Paraninfo.
• Pardo,  A.  y  san  martín,  R.  (1998).  Análisis  de  Datos  en  Psicología  II  (2ª  Ed.).  Pirámide.
• Pérez,  C.  (2009).  Técnicas  Estadísticas  Multivariantes  con  SPSS.  Garceta  Grupo  Editorial.
• Visauta  Vinacua,  B.  (2003). Análisis  Estadístico  con  SPSS  Para  Windows  Vol  II  Estadística  Multivariante. Mc  Graw  Hill.

• Anderson,  T.W.  (1984).  An  introduction  to  multivariate  statistical  analysis.  John  Wiley.
• Ato,  M.  y  Vallejo,  G.  (2007).  Diseños  experimentales  en  psicología.  Pirámide.
• Balluerka,  N.  y  Vergara,  A.I.  (1997)  Diseños  De  Investigación  Experimental  En  Psicología.  Prentice Hall.
• Brook,  R.J.  y  Arnolf,  G.C. (1985)  Applied  Regression  Analysis  and  Experimental  Design.  Marcel  Dekker.
• Cohen,  J.  y  Cohen  P.  (1983)  Applied  Multiple  Regression/Correlation  Analysis  for  the  Behavioural Sciences.  Lawrence  Erlbaum  Associates.
• Conover,  W.J.  (1980)  Practical  Nonparametric  Statistics.  John  Wiley.  New  York.
• Cox,  D.R.  y  Hinkley,  D.V.  (1974)  Theoretical  Statistics.  Chapman  Hall.  Londres.
• Draper,  N.  Y  Smith,  H.  (1981)  Applied  Regression  Analysis.  John  Wiley.
• Fisz,  M.  (1963)  Probability  Theory  and  Mathematical  Statistics.  John  Wiley.  New  York.
• Fox,  J.  (1984)  Linear  Statistical  Models  and  Related  Methods.  John  Wiley.
• Gibbons,  J.D.  (1985)  Nonparametric  Statistical  Inference.  Marcel  Dekker.
• Graybill,  F.A.  (1961)  An  Introduction  to  Linear  Statistical  Models.  McGraw-Hill.
• Green,  D.M.  y  Swets,  J.A.  (1974)  Signal  Detection  Theory  and  Psychophysics.  Robert  E.  Krieger  Pub. Co.
• Guàrdia, J., Freixa, M., Peiró, M., y Turbany, J. (2007). Análisis de datos en Psicología: Madrid: Delta.
• Horst,  P.  (1963)  Matrix  Algebra  for  Social  Scientists.  Holt,  Rinehart  and  Winston.
• Kendall,  M.  y  Stuart,  A.  (1979)  The  Advanced  Theory  of  Statistics  Vol.  2.  Charles  Griffin.
• Kirk,  R.E.  (1995)  Experimental  Design.  Procedures  for  the  Behavioural  Sciences.  Brooks  Cole.
• Kline,  R.  (2004).  Beyond  Significance  Testing: Reforming  data  Analysis  Methods  in  Behavioural Research.  American  Psychological  Association.
• Kshizsgar,  A.M.  (1983)  A  course  in  Linear  Models.  Marcel  Dekker.
• Lancaster,  H.O.  (1969)  The  Chi  Squared  Distribution.  John  Wiley.  New  York.
• Lehmann,  E.L.  (1959)  Testing  Statistical  Hypotheses.  John  Wiley.  New  York.
• Marascuilo,  L.  y  McSweeney  (1977)  Nonparametric  and  Distribution.  Free  Methods  for  the  Social Sciences.  Brooks  Cole.
• Maritz,  J.S.  (1981)  Distribution-Free  Statistical  Methods.  Chapman  Hall.
• Martínez, R., Castellanos, M.A. y Chacón J.C (2014). Análisis de datos en Psicología y Ciencias de la Salud. II Inferencia estadística. Madrid: Eos.
• Maxwell,  S.E.  y  Delaney,  H.D.  (1990)  Designing  Experiments  and  Analyzing  Data.  Brooks  Cole.
• McCullogh,  P  y  Nelder,  J.A.  (1983)  Generalized  Linear  Models.  Chapman  Hall.
• Navarro DJ and Foxcroft DR (2019). learning statistics with jamovi: a tutorial for psychology students and other beginners. (Version 0.70). DOI: 10.24384/hgc3-7p15
• Pardo, A., Ruiz, M.A., y San Martín , R. (2009). Análisis de datos en Ciencias Sociales y de la Salud I. Madrid: Síntesis. 
• Pratt,  J.W.  y  Gibbons,  J.D.  (1981)  Concepts  of  Nonparametric  Theory.  Springer-Verlag.
• Puri,  M.L.  y  Sen,  P.K.  (1971)  Nonparametric  methods  in  Multivariate  Analysis.  John  Wiley.  New  York.
• Rao,  C.R.  (1973)  Linear  Statistical  Inference.  John  Wiley.  New  York.
• Rios,  S.  (1977)  Métodos  Estadísticos.  Ediciones  del  Castillo.  Madrid.
• Sachs,  L.  (1978)  Estadística  Aplicada.  Labor.
• Searle,  S.R.  Miller,  R.G.  Watson,  G.S.  Hunter,  J.S.  Bradley,  R.A.  y  Kendall,  D.G.  (1982)  Matrix  Algebra useful  for  Statistics.  John  Wiley.
• Seber,  G.A.  (1977)  Linear  Regression  Analysis.  John  Wiley
• Siegel,  S.  (1983)  Estadística  no  paramétrica  aplicada  a  las  ciencias  de  la  conducta.  Trillas.
• Snedecor,  G.W.  y  Cochran,  W.G.  (1980)  Statistical  Methods.  Iowa  University  Press.
• Wald,  A.  (1971)  Statistical  Decision  Functions.  Chelsea  Pub.  Co.
• Weisberg,  S.  (1985)  Applied  Linear  Regression.  John  Wiley.
• Wilks,  S.  (1962)  Mathematical  Statistics.  John  Wiley.  New  York.
• Zacs,  S.  (1971)  The  Theory  of  Statistical  Inference.  John  Wiley.  New  York.

RECURSOS:

• Página del curso de TAIP de cada uno de los profesores de la asignatura en la plataforma digital PRADO.
• TUTORIAL BIBLIOTECA UGR: http://formacionbiblioteca.ugr.es/login/index.php
• MANUAL JAMOVI: https://www.learnstatswithjamovi.com/
• TUTORIALES JAMOVI: https://www.youtube.com/playlist?list=PL2aULSACfHULplsqkmvGwBcMdVbqCxmkZ
• TUTORIALES SPSS: https://www.ibm.com/support/pages/node/612209#es

ENLACES:

• RECURSOS UGR: https://covid19.ugr.es/informacion/docencia-virtual
• BIBLIOGRAFÍA VIRTUAL:  
  • https://www.academia.edu/38744184/An%C3%A1lisis_de_datos_en_ciencias_sociales_y_de_la_salud_I_-_Antonio_Pardo_Miguel_Angel_Rui
  • http://www.ingebook.com/ib/NPcd/IB_BooksVis?cod_primaria=1000187&codigo_libro=5709

• MD01. Lección magistral/expositiva 
• MD06. Prácticas en sala de informática 
• MD07. Seminarios 
• MD09. Análisis de fuentes y documentos 
• MD10. Realización de trabajos en grupo 
• MD11. Realización de trabajos individuales 
• MD13. Tutorías individual/colectiva, Participación (foros del curso, exposiciones públicas), Autoevaluaciones, Presentación y defensa de informes grupales o individuales 

En la convocatoria ordinaria se realizará una Prueba teórico-práctica: 7 puntos (70% de la calificación). En esta prueba se evaluarán todos los contenidos impartidos de la asignatura en la fecha y hora fijada por la Facultad. Además, se tendrá en cuenta la Evaluación práctica: 3 puntos (30% de la calificación). Para hacer el cálculo de la nota final es requisito indispensable obtener una puntuación mínima del 40% en la Prueba teórica-práctica. La nota final será la suma de la calificación obtenida en la prueba y en la evaluación práctica. En caso de obtener una puntuación menor del 40% en la prueba, la nota final en acta reflejará la suma de todas las fuentes de nota hasta un valor máximo de 4.9 puntos.

En la convocatoria extraordinaria todos los alumnos tienen derecho a obtener el 100% de su calificación. El examen incluirá un 70% de contenido teórico-práctico y un 30% de contenido sobre las prácticas realizadas durante el curso con SPSS o cualquier otro programa para el análisis estadístico de los datos.

La metodología docente y la evaluación serán adaptadas a los estudiantes con necesidades específicas (NEAE), conforme al Artículo 11 de la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, publicada en el Boletín Oficial de la Universidad de Granada, nº 112, 9 de noviembre de 2016.

Los alumnos a los que se les haya concedido la evaluación única final, de acuerdo con lo establecido en la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada, realizarán un examen que supondrá el 100% de su calificación. El examen incluirá un 70% de contenido teórico-práctico y un 30% de contenido sobre las prácticas realizadas durante el curso con SPSS o cualquier otro programa para el análisis estadístico de los datos.

La metodología docente y la evaluación serán adaptadas a los estudiantes con necesidades específicas (NEAE), conforme al Artículo 11 de la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, publicada en el Boletín Oficial de la Universidad de Granada, nº 112, 9 de noviembre de 2016.